CN111198499B - 同期算法实时评估方法、系统及存储介质 - Google Patents

同期算法实时评估方法、系统及存储介质 Download PDF

Info

Publication number
CN111198499B
CN111198499B CN201911361610.3A CN201911361610A CN111198499B CN 111198499 B CN111198499 B CN 111198499B CN 201911361610 A CN201911361610 A CN 201911361610A CN 111198499 B CN111198499 B CN 111198499B
Authority
CN
China
Prior art keywords
algorithm model
algorithm
contemporaneous
model
closing time
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201911361610.3A
Other languages
English (en)
Other versions
CN111198499A (zh
Inventor
赵涌
孙延岭
刘国敏
程潇黠
郭壁垒
姜鑫
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Nari Water Conservancy And Hydropower Technology Co ltd
Original Assignee
Nanjing Nari Water Conservancy And Hydropower Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nanjing Nari Water Conservancy And Hydropower Technology Co ltd filed Critical Nanjing Nari Water Conservancy And Hydropower Technology Co ltd
Priority to CN201911361610.3A priority Critical patent/CN111198499B/zh
Priority to PCT/CN2020/090942 priority patent/WO2021128708A1/zh
Publication of CN111198499A publication Critical patent/CN111198499A/zh
Application granted granted Critical
Publication of CN111198499B publication Critical patent/CN111198499B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Abstract

本发明公开了一种同期算法实时评估方法，所述方法包括：获取不同的同期算法模型；获取同期过程中相角值样本；将所述相角值样本带入同期算法模型中，获取预测合闸时间；根据所述预测合闸时间计算同期算法模型的偏差和方差；根据所述偏差和方差计算同期算法模型的可靠值；选择所述可靠值最小的同期算法模型作为最终的算法模型。本发明允许在同一个装置中使用多种同期算法，在应用环境中，根据实时得到的数据对各算法进行评估、比较，获取可靠值，从而根据可靠值选择最优算法进行控制，达到提高同期合闸精度的目的。

Description

同期算法实时评估方法、系统及存储介质
技术领域
本发明涉及同期控制技术领域，具体是同期算法实时评估方法。
背景技术
随着芯片处理能力的提高，在同期控制领域出现了各种同期算法模型，从最简单的一次模型，到二次模型、多次模型，再到最小二乘法以及多次曲线拟合等模型。
算法模型越复杂，得到的理论同期合闸精度也越高。但这些高精度模型对测量的数据要求也越高。在外部数据理想的情况下，复杂的模型能得到更高的合闸精度；但在外部数据不理想的情况下，复杂的模型反而会带来更大的误差，合闸精度降低。
数据理想程度本身受两个方面的影响。一是内因，即装置能提供的测量精度；二是外因，这个因素比较多，如有干扰存在，或者电网本身稳定性不高等。这些因素往往是动态的，在不同的时间段我们得到的数据理想程度也不一样。这也导致不同的时间段，同样的算法得到的合闸精度也会不同。目前没有关于在具体的应用场景中如何对同期算法进行评估、选择的方法。
发明内容
针对现有技术的不足，本发明的目的是提供一种同期算法实时评估方法，以解决现有技术中算法精度较低的问题。
为达到上述目的，本发明通过如下的技术方法实现：
一种同期算法实时评估方法，所述方法包括：
获取不同的同期算法模型；
获取同期过程中相角值样本；
将所述相角值样本带入同期算法模型中，获取预测合闸时间；
根据所述预测合闸时间计算同期算法模型的偏差和方差；
根据所述偏差和方差计算同期算法模型的可靠值；
选择所述可靠值最小的同期算法模型作为最终的算法模型。
进一步的，所述偏差的计算方法包括：
Figure GDA0002435251450000021
其中，Biasj为第j个同期算法模型的偏差，m为样本分组的组数，yji为第i时刻第j个同期算法模型的预测合闸时间，yreal为0时刻的预测合闸时间。
进一步的，所述方差的计算方法包括：
Figure GDA0002435251450000022
其中，Varj为第j个同期算法模型的方差，yjk为第j个同期算法模型在第k时刻的预测合闸时间。
进一步的，所述可靠值的计算方法包括：
Relj＝Biasj*Varj (5)
其中，Relj为第j个同期算法模型的可靠值。
进一步的，所述预测合闸时间的计算方法包括：
yji＝fj(Xi) (2)
其中，yji为第i时刻第j个同期算法模型的预测合闸时间，Xi为第i时刻的相角向量，fj()为第j个同期算法模型。
进一步的，所述模型包括一次模型和二次模型。
一种同期算法实时评估系统，所述系统包括：
第一获取模块：用于获取不同的同期算法模型；
第二获取模块：用于获取同期过程中相角值样本；
第三获取模块：用于将所述相角值样本带入同期算法模型中，获取预测合闸时间；
第一计算模块：用于根据所述预测合闸时间计算同期算法模型的偏差和方差；
第二计算模块：用于根据所述偏差和方差计算同期算法模型的可靠值；
选择模块：用于将所述可靠值中最小的同期算法模型选择为最终的算法模型。
一种同期算法实时评估系统，所述系统包括处理器和存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据上述所述方法的步骤。
计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述所述方法的步骤。
与现有技术相比，本发明所达到的有益效果是：
本发明允许在同一个装置中使用多种同期算法，在应用环境中，根据实时得到的数据对各算法进行评估、比较，获取可靠值，从而根据可靠值选择最优算法进行控制，达到提高同期合闸精度的目的。
具体实施方式
下面对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，不能以此来限制本发明的保护范围。
本发明实现同期算法实时评估方法，该方法在具体的应用场景中对不同的同期算法进行实时评估，并根据评估结果选取最优的算法进行同期预测，从而达到最高的合闸精度。目前，因为考虑到同期应用的场合不定，外部环境不定，都采用简单的一次、二次模型。这种模型受外部因素影响小，但缺点是精度较低。
一种同期算法实时评估方法，所述方法包括：
获取不同的同期算法模型；
获取同期过程中相角值样本；
将所述相角值样本带入同期算法模型中，获取预测合闸时间；
根据所述预测合闸时间计算同期算法模型的偏差和方差；
根据所述偏差和方差计算同期算法模型的可靠值；
选择所述可靠值最小的同期算法模型作为最终的算法模型。
一种同期算法实时评估系统，所述系统包括：
第一获取模块：用于获取不同的同期算法模型；
第二获取模块：用于获取同期过程中相角值样本；
第三获取模块：用于将所述相角值样本带入同期算法模型中，获取预测合闸时间；
第一计算模块：用于根据所述预测合闸时间计算同期算法模型的偏差和方差；
第二计算模块：用于根据所述偏差和方差计算同期算法模型的可靠值；
选择模块：用于将所述可靠值中最小的同期算法模型选择为最终的算法模型。
一种同期算法实时评估系统，所述系统包括处理器和存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据上述方法的步骤。
计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述所述方法的步骤。
具体的算法过程如下：
假设有r个同期算法模型，分别为f1，f2……fr。
在同期过程中，测量得到一组相角值共有n个，记为x1,x2,……xn。
实测相角为0的时刻记为yreal。
同期算法模型f输入为一组相角值x，输出为合闸时间y，记为
yji＝fj(xi,xi+1,……xi+k-1) (1)
其中j为同期算法模型下标，j∈(1,2……r)。i为不同时刻的相角值下标。
令向量Xi为(xi,xi+1,……xi+k-1)
将相角值x1,x2,……xn处理成m组样本，每组样本为k个相角值
第1组相角为x1,x2,……xk即向量X1
第2组相角为x2,x3,……xk+1即向量X2
…………
第m组相角为xm,xm+1,……xn即向量Xm
式(1)可写为
yji＝fj(Xi) (2)
其中，yji为第i时刻第j个同期算法模型的预测合闸时间，Xi为第i时刻的相角向量，fj()为第j个同期算法模型。
将实际测量的X1，X2，……Xm带入式(2)得到预测的合闸时间y1,y2……ym。
分别对不同的算法模型进行计算得到r组预测值，如下：
算法1：y11,y12……y1m
算法2：y21,y22……y2m
…………
算法r:yr1,yr2……yrm
偏差公式为
Figure GDA0002435251450000061
其中，Biasj为第j个同期算法模型的偏差，m为样本分组的组数，yji为第i时刻第j个同期算法模型的预测合闸时间，yreal为0时刻的预测合闸时间，j为同期算法模型下标，j∈(1,2……r)。
分别计算所有模型的偏差，得到Bias1，Bias2，……Biasr。
方差公式为
Figure GDA0002435251450000062
其中，Varj为第j个同期算法模型的方差，yjk为第j个同期算法模型在第k时刻的预测合闸时间，j为同期算法模型下标，j∈(1,2……r)。
分别计算所有模型的偏差，得到Var1，Var2，……Varr。
计算可靠性
Relj＝Biasj*Varj (5)
根据式(5)计算得到所有模型的可靠值，Rel1，Rel2……Relr。
从所有算法模型对应的可靠值中选取最小的值，该值对应的算法作为当前算法并对同期合闸点进行预测。
同期：指将电力系统中两个电源进行并列的操作。
本发明一种实时评估方法，根据外部测量的情况，实时的评估各算法模型，挑选出可在当前环境中可靠运算的精度最高的算法，从而进行同期预测，并达到最高的合闸精度。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品来描述的。应理解可由计算机程序指令实现每一流程。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现一个流程或多个流程中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现一个流程或多个流程指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现一个流程或多个流程指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在申请待批的本发明的权利要求范围之内。

Claims (5)

1.一种同期算法实时评估方法，其特征在于，所述方法包括：
获取不同的同期算法模型；
获取同期过程中相角值样本；
将所述相角值样本带入同期算法模型中，获取预测合闸时间；
根据所述预测合闸时间计算同期算法模型的偏差和方差；
根据所述偏差和方差计算同期算法模型的可靠值；
选择所述可靠值最小的同期算法模型作为最终的算法模型；
所述预测合闸时间的计算方法包括：
yji＝fj(Xi) (2)
其中，yji为第i时刻第j个同期算法模型的预测合闸时间，Xi为第i时刻的相角向量，fj()为第j个同期算法模型；
所述偏差的计算方法包括：
Figure FDA0003000933440000011
其中，Biasj为第j个同期算法模型的偏差，m为样本分组的组数，yji为第i时刻第j个同期算法模型的预测合闸时间，yreal为0时刻的预测合闸时间；
所述方差的计算方法包括：
Figure FDA0003000933440000012
其中，Varj为第j个同期算法模型的方差，yjk为第j个同期算法模型在第k时刻的预测合闸时间；
所述可靠值的计算方法包括：
Relj＝Biasj*Varj (5)
其中，Relj为第j个同期算法模型的可靠值。
2.根据权利要求1所述的一种同期算法实时评估方法，其特征在于，所述模型包括一次模型和二次模型。
3.一种根据权利要求1至2任一项所述的同期算法实时评估方法的系统，其特征在于，所述系统包括：
第一获取模块：用于获取不同的同期算法模型；
第二获取模块：用于获取同期过程中相角值样本；
第三获取模块：用于将所述相角值样本带入同期算法模型中，获取预测合闸时间；
第一计算模块：用于根据所述预测合闸时间计算同期算法模型的偏差和方差；
第二计算模块：用于根据所述偏差和方差计算同期算法模型的可靠值；
选择模块：用于将所述可靠值中最小的同期算法模型选择为最终的算法模型。
4.一种同期算法实时评估系统，其特征在于，所述系统包括处理器和存储介质；
所述存储介质用于存储指令；
所述处理器用于根据所述指令进行操作以执行根据权利要求1-2任一项所述方法的步骤。
5.计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-2任一项所述方法的步骤。
CN201911361610.3A 2019-12-25 2019-12-25 同期算法实时评估方法、系统及存储介质 Active CN111198499B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201911361610.3A CN111198499B (zh) 2019-12-25 2019-12-25 同期算法实时评估方法、系统及存储介质
PCT/CN2020/090942 WO2021128708A1 (zh) 2019-12-25 2020-05-19 同期算法实时评估方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911361610.3A CN111198499B (zh) 2019-12-25 2019-12-25 同期算法实时评估方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN111198499A CN111198499A (zh) 2020-05-26
CN111198499B true CN111198499B (zh) 2021-07-02

Family

ID=70744432

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911361610.3A Active CN111198499B (zh) 2019-12-25 2019-12-25 同期算法实时评估方法、系统及存储介质

Country Status (2)

Country Link
CN (1) CN111198499B (zh)
WO (1) WO2021128708A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113704883A (zh) * 2021-08-08 2021-11-26 中国航空工业集团公司沈阳飞机设计研究所 一种多算法结合的电磁仿真方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1050761A2 (en) * 1999-05-06 2000-11-08 Medison Co., Ltd. Color imaging display method and apparatus for color doppler imaging system
EP1179803A2 (en) * 2000-06-28 2002-02-13 Matsushita Electric Industrial Co., Ltd. Method and apparatus for object recognition
CN102946548A (zh) * 2012-11-27 2013-02-27 西安电子科技大学 基于3维Log-Gabor变换的视频图像融合性能评价方法
EP3061023A1 (en) * 2013-10-25 2016-08-31 Christophe Remillet A method and a system for performing 3d-based identity verification of individuals with mobile devices
CN107967538A (zh) * 2017-11-28 2018-04-27 南瑞集团有限公司 一种高精度同期预测算法
CN110399602A (zh) * 2018-04-25 2019-11-01 北京京东尚科信息技术有限公司 一种评测文本可靠性的方法和装置

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004023895A (ja) * 2002-06-17 2004-01-22 Toshiba Eng Co Ltd 自動同期装置監視システム
DE602004028005D1 (de) * 2004-07-27 2010-08-19 Sony France Sa Ein automatisiertes System zur Aktionsanwahl, sowie das Verfahren und dessen Anwendung, um Prognosemaschinen auszubilden und die Entwicklung sich selbst entwickelnder Geräte zu unterstützen
US7877169B2 (en) * 2007-08-21 2011-01-25 Electro Industries/ Gauge Tech System and method for synchronizing an auxiliary electrical generator to an electrical system
US8582871B2 (en) * 2009-10-06 2013-11-12 Wright State University Methods and logic for autonomous generation of ensemble classifiers, and systems incorporating ensemble classifiers
CN102170143A (zh) * 2011-03-31 2011-08-31 湖南大学 一种微机自动准同期并列实现方法
CN102998974A (zh) * 2012-11-28 2013-03-27 上海交通大学 多模型广义预测控制系统及其性能评估方法
CN103309237B (zh) * 2013-06-03 2016-05-04 上海交通大学 基于多模型混合最小方差控制的时变扰动控制系统性能评估方法
CN103532469B (zh) * 2013-10-29 2015-09-09 哈尔滨工业大学 中高压同步电机自控变频软起动自动准同期并网控制方法
US10467226B2 (en) * 2016-04-27 2019-11-05 Tibco Software Inc Method for in-database feature selection for high-dimensional inputs
US9766370B2 (en) * 2015-05-18 2017-09-19 Apple Inc. Wrist-detection algorithm
CN106469331A (zh) * 2015-08-14 2017-03-01 国网冀北电力有限公司 一种电网售电量的预测系统及其方法
CN106786780B (zh) * 2017-03-02 2019-08-27 江苏大学 一种基于虚拟同步发电机的并网控制方法及系统
CN109214605A (zh) * 2018-11-12 2019-01-15 国网山东省电力公司电力科学研究院 电力系统短期负荷概率预测方法、装置及系统
CN110580639A (zh) * 2019-08-08 2019-12-17 江苏荣泽信息科技股份有限公司 一种基于连锁业态的门店经营预测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1050761A2 (en) * 1999-05-06 2000-11-08 Medison Co., Ltd. Color imaging display method and apparatus for color doppler imaging system
EP1179803A2 (en) * 2000-06-28 2002-02-13 Matsushita Electric Industrial Co., Ltd. Method and apparatus for object recognition
CN102946548A (zh) * 2012-11-27 2013-02-27 西安电子科技大学 基于3维Log-Gabor变换的视频图像融合性能评价方法
EP3061023A1 (en) * 2013-10-25 2016-08-31 Christophe Remillet A method and a system for performing 3d-based identity verification of individuals with mobile devices
CN107967538A (zh) * 2017-11-28 2018-04-27 南瑞集团有限公司 一种高精度同期预测算法
CN110399602A (zh) * 2018-04-25 2019-11-01 北京京东尚科信息技术有限公司 一种评测文本可靠性的方法和装置

Also Published As

Publication number Publication date
CN111198499A (zh) 2020-05-26
WO2021128708A1 (zh) 2021-07-01

Similar Documents

Publication Publication Date Title
CN110163429B (zh) 一种基于相似日优化筛选的短期负荷预测方法
CN108627798B (zh) 基于线性判别分析和梯度提升树的wlan室内定位算法
CN110148068A (zh) 一种基于气象数据相似度分析和lstm神经网络实现光伏电站超短期功率预测方法
KR102468316B1 (ko) 과거 데이터에 기초한 시계열 예측 방법 및 장치
CN110458601B (zh) 资源数据的处理方法、装置、计算机设备和存储介质
CN111198499B (zh) 同期算法实时评估方法、系统及存储介质
CN111998918A (zh) 一种误差校正方法、误差校正装置及流量传感系统
CN113554213A (zh) 一种天然气需求预测方法、系统、存储介质及设备
CN108574290B (zh) 受迫振荡的振荡源定位方法、装置、终端及可读存储介质
CN104182910A (zh) 一种涉及相关性的风电出力场景构建方法
CN108459920A (zh) 一种试验数据野值的辨识与修正方法
CN111756031B (zh) 一种电网运行趋势估算方法和系统
CN116757321A (zh) 太阳直接辐射量预测方法、系统、设备及存储介质
CN108427742B (zh) 一种基于低秩矩阵的配电网可靠性数据修复方法及系统
CN116029433A (zh) 基于灰色预测的能效基准值判定方法、系统、设备和介质
CN111310121A (zh) 一种新能源出力概率预测方法和系统
CN100549977C (zh) 芯片验证的预处理方法和预处理装置
CN108009686B (zh) 一种光伏发电功率预测方法、装置及系统
CN106844908B (zh) 一种基于样本相似度加权的电站设备自适应建模方法
Wu et al. Prediction of energy consumption time series using Neural Networks combined with exogenous series
CN110942195A (zh) 一种用电负荷预测方法及装置
CN112215383A (zh) 一种分布式光伏发电功率预测方法和系统
Su et al. Combined-LSTM based user electricity consumption prediction in a smart grid system
Musa A Hybrid Modern and Classical Algorithm for Indonesian Electricity Demand Forecasting
CN116124218B (zh) 变压器故障的诊断方法、装置、存储介质以及电子设备

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant